CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

گواهی نمایه سازی مقاله شبیه سازی تراز آب زیرزمینی با استفاده از مدلهای فازی عصبی ومقایسه آن با مدل-های سری زمانی (مطالعه موردی : دشت جم)

عنوان مقاله: شبیه سازی تراز آب زیرزمینی با استفاده از مدلهای فازی عصبی ومقایسه آن با مدل-های سری زمانی (مطالعه موردی : دشت جم)
شناسه (COI) مقاله: CESC15_595
منتشر شده در پانزدهمین کنفرانس دانشجویان عمران سراسر کشور در سال ۱۳۹۳
مشخصات نویسندگان مقاله:

محمد ستوده پور - دانشجوی کارشناسی ارشد سازه های هیدرولیکی ، گروه مهندسی عمران ، دانشگاه آزاد اسلامی واحد لارستان ، لاستان ، ایران
مهرداد فریدونی - استادیار گروه مهندسی عمران ، دانشگاه آزاد اسلامی واحد لارستان ، لارستان ، ایران

خلاصه مقاله:
در این تحقیق از شبکه های فازی عصبی تطبیقی که ابزاری نیرومند برای شبیه سازی فرآیندهای غیر خطی است و همچنین از - مدلهای آماری کلاسیک سریهای نایستاARMA استفاده شده است. پتانسیل شبکه های فازی عصبی تطبیقی در مقایسه با - مدلهای آماری برای پیش بینی سریهای زمانی هیدروژئولوژیکی مورد ارزیابی قرار گرفته است. جهت حصول به آمار مناسب ، آمار ماهانه بارندگی، دما، تبخیر و نوسانات سطح آب زیر زمینی، واقع در دشت جم گردآوری شده و در مدلهای شبکه های فازی عصبی تطبیقی و مدلهای سری زمانی خورند گردیده است. این تحقیق از طریق شبکههای فازی عصبی تطبیقی و سریهای -زمانی دو هدف را دنبال می کند، که شامل تعیین پارامترهای موثر بر نوسانات سطح آب زیرزمینی و سپس مدلسازی نوسانات سطح آب زیرزمینی در دشت مورد مطالعه میباشد که بهترین مدلسازی نوسانات سطح آب با مدل شبکه فازی عصبی تطبیقی الگوی: (فرمول در متن اصلی میباشد. همچنین سریهای زمانی سطح آب زیرزمینی در دشتها به عنوان فرآیندهای استوکستیکی مورد مدلسازی قرارداده شدهاند و در نهایت مناسب ترین مدلهای سری زمانی و نروفازی از طریق معیارهای ارزیابی مورد نظر ما مشخص شدهاند. معیار ارزیابی جهت انتخاب مدل برتر بین 2 مدل سری زمانی و شبکه های فازی عصبی تطبیقی، ضریب همبستگی R2 مجذور میانگین مربعات خطا RMSE میباشد.. نتایج این تحقیق نشان میدهد که شبکه های فازی عصبی تطبیقی توانایی بالاتری را در شبیه سازی تراز آب زیرزمینی را در مقیاس ماهانه - در دشت جم دارد

کلمات کلیدی:
تراز آب زیرزمینی ، سری زمانی، شبکه فازی عصبی تطبیقی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://www.civilica.com/Paper-CESC15-CESC15_595.html